PDE-JEPA: 预测性表征学习用于参数化偏微分方程的潜在动力学建模

PDE-JEPA 提出了一种基于预测性表征学习的参数化偏微分方程（PDE）动力学建模方法，通过掩码潜在预测训练编码器并引入几何投影器对齐潜在轨迹与物理场演化几何。该框架进一步开发了物理结构化的潜在预测器，将动力学分解为参数无关和参数相关的部分，在九个常用 PDE 基准测试中，其在分布内任务平均优于现有最先进方法 33.4%，在未见过的参数外推任务中平均提升 51.4%。项目页面已上线。